Задача сглаживания и экстраполяции по минимуму дисперсии

Классическая задача сглаживания >и экстраполяции по минимуму дисперсии формулируется для случая /2=1. Целевой функционал R задачи — второй момент k = ku ошибок прогноза (с обратным знаком). Область допустимых планов определяется требованием несмещенности оценки m=mi = 0. Механизм сглаживания и прогноза предполагается линейным и определяется (в дискретном случае) набором весовых коэффициентов рц. Фильтрация по минимуму дисперсии целесообразна при отсутствии нерегулируемых ошибок. [c.41]

Сглаживание и экстраполяция по минимуму дисперсии. Постановка задачи [c.307]

Другими словами, задача сглаживания и экстраполяции по минимуму дисперсии, исключающая возникновение систематических ошибок, представляет собой следующую экстремальную модель [c.307]

О методах решения задач сглаживания и экстраполяции по минимуму дисперсии [c.311]

Исследуем подробнее несколько частных моделей, порождаемых задачами I и II, сформулированными в предыдущем параграфе. Рассмотрим статические модели, отвечающие одному подпространству Li [344—347]. Такие модели обобщают схемы сглаживания и экстраполяции по минимуму дисперсии. [c.324]

Решение вариационных задач А я В фильтрации и прогноза при сложных показателях качества можно свести к решению более простых вариационных задач сглаживания и экстраполяции по минимуму дисперсии и экстремальных задач, позволяющих вычислить статистические характеристики искусственного рассеивания [344, 345]. [c.329]

Смотреть страницы где упоминается термин Задача сглаживания и экстраполяции по минимуму дисперсии

: [c.334]

Математические методы управления в условиях неполной информации (1974) -- [ c.307 ]